Groundhog Technologies es una empresa privada fundada en 2001 y tiene su sede en Cambridge, Massachusetts, EE. UU . Como spin-off de MIT Media Lab , [1] [2] fue semifinalista en el Concurso de emprendimiento de $50,000 del MIT en 2000 y se constituyó al año siguiente. [3] [4] La empresa recibió la primera ronda de financiación de las principales corporaciones japonesas y sus brazos de capital de riesgo en noviembre de 2002: Marubeni , Yasuda Enterprise Development y Japan Asia Investment Co. [5] [6] Recibió la segunda ronda de financiación en 2004 y desde entonces se ha vuelto autosostenible. [7] Groundhog Inc., el centro de operaciones de Groundhog Technologies Inc. en Taiwán, salió a bolsa en 2022 [8]
Los productos de la empresa se basan en su Plataforma de Inteligencia de Movilidad [9], que analiza las ubicaciones, la calidad de la experiencia , el contexto y los estilos de vida de los suscriptores en la red del operador móvil. [10] La inteligencia sobre la geolocalización se aplica luego para mejorar la experiencia de los suscriptores [11] y habilitar aplicaciones como geomarketing y geotargeting . La empresa ha aprovechado su plataforma para permitir a los operadores abordar la oportunidad de publicidad y monetización de datos tanto internamente como en asociación con minoristas, anunciantes y redes publicitarias de terceros. [12]
Groundhog Technologies lanzó su plataforma de Inteligencia de Movilidad basada en la Teoría del Caos y en modelos multidimensionales. La aplicación de la Teoría del Caos dio origen a los modelos matemáticos de la compañía sobre la movilidad y el comportamiento de uso de los suscriptores, [13] que pueden utilizarse para diferentes aplicaciones, como por ejemplo por parte de los operadores móviles para optimizar las redes según las demandas de los usuarios. [14]
Según la teoría del caos, algunas señales aparentemente aleatorias o caóticas pueden ser analizadas en el espacio de fases , lo que puede revelar los patrones que se esconden detrás de ellas. Los casos de mayor interés surgen cuando el comportamiento caótico muestra patrones en torno a un atractor en el espacio de fases. En función del atractor en el espacio de fases, se pueden utilizar datos de diferentes espacios, tiempos e individuos para la modelización y geolocalización en interiores.
También se ha descubierto que la estructura dimensional y las características del espacio de fases pueden neutralizar de forma natural el sesgo de posicionamiento (basado en técnicas como la triangulación o la trilateración) causado por razones como la propagación por trayectorias múltiples. Es decir, aunque cada entrada está sesgada de alguna manera, la observación desde diferentes dimensiones y ángulos está sesgada de diferentes maneras. Al combinar entradas multidimensionales en el espacio de fases, con base en la Ley de los Grandes Números, se puede promediar el sesgo con diferentes muestras a través de dimensiones, tiempo e individuos. [15]